基于模拟退火的进化算法性能对比研究

将模拟退火算法和遗传算法、粒子群优化算法分别进行结合，形成模拟退火-遗传算法以及模拟退火-粒子群优化算法，并作性能对比分析。研究结果表明，这两种算法都在进化代数和全局寻优能力方面有较大突破，在找寻最佳个体解的效率士，模拟退火-粒子群优化算法更突出。     

基于HFC模型的模拟退火算法改进及应用实现

本文在研究分析标准模拟退火算法在可持续性进化方面的缺陷基础之上,引入进化算法中的"种群" 等概念,提出了基于HFC(Hierarchical Fair Competition)模型的模拟退火算法-HFCSA算法及其运算流程,并给出了详细的数学描述.该算法的分等级搜索方式改进了标准模拟退火算法的缺陷,不仅能保留了模拟退火算法的优点避免陷入局部最优,而且还具有可持续的搜索能力.最后,文中举出实例验证基于HFC模型的可持续模拟退火算法和标准模拟退火算法和遗传算法在相同问题上的不同效果.     

生命线工程网络抗震优化算法研究

以生命线工程网络系统造价为优化目标,网络拓扑结构为优化参数,网络节点抗震连通可靠度为约束条件,建立生命线工程网络系统的抗震拓扑优化模型.同时,介绍了利用递推分解算法来获得单元重要度的方法,进而利用遗传算法、模拟退火算法和遗传-模拟退火混合算法,进行了生命线网络系统的抗震拓扑优化分析.其中,遗传算法通过对种群选择、交叉和变异操作不断进化以获得优化解,模拟退火算法则通过扰动当前解产生新解来获得优化解,遗传-模拟退火混合算法则通过将遗传算法中的变异操作以模拟退火操作代替获得优化解.利用三种优化方法对两个算例进行生命线工程网络系统的抗震拓扑优化分析.计算结果对比表明,遗传-模拟退火混合算法具有最好的优化能力.     

基于模拟退火遗传算法的GMDH网络模型

针对传统GMDH网络建模用最小二乘法辨识参数时容易陷入局部极小导致模型预测效果不理想的问题,提出将模拟退火算法与遗传算法结合起来,并引入到GMDH网络,用模拟退火遗传算法来辨识其部分描述式系数.描述了模拟退火遗传算法,构建了基于该算法的GMDH网络模型,并将该模型应用于泥石流预测的仿真研究,预测平均相对误差达到3.54%.结果表明,该算法既保证了全局寻优又防止了过早收敛,进一步提高了GMDH网络模型的全局与局部寻优能力.     

粗糙集连续属性离散化通用模型及GASA方法

在对典型的离散化方法分析的基础上,提出一种适用于粗糙集决策表的连续属性离散化处理的通用模型结构;对遗传算法的适应度线性尺度变换作改进,将模拟退火的思想引入遗传算法,提出基于遗传模拟退火算法(GASA)的数据离散化方法,并用UCI机器学习数据库中的Iris和Glass数据集进行验证.实验结果表明,离散化方法通用模型对数据...     

改进的遗传模拟退火算法在TSP中的应用

在介绍遗传算法和模拟退火算法的理论基础上，分析遗传算法和模拟退火算法的主要优缺点，提出了一种改进的遗传模拟退火算法。结合两种算法的优点，对其中的复制、交叉、变异操作进行了改进，并将该算法应用于TSP问题的求解之中。最后给出用该算法求解TSP问题的具体实现过程，并进行仿真实验，验证了该算法的有效性。     

求解多峰值问题的改进混合遗传算法

由于遗传算法解决问题时容易陷入局部极值点,根据遗传算法全局搜索能力强和模拟退火算法局部搜索能力优的特点,将它们混合使用,同时改进初始群体产生方法,使随机产生的初始群体之间有较明显的差别,能均匀分布在解空间,并采取与进化代数相关的多精英保留策略及改进的自适应选择与变异操作.模拟退火算法的结束条件改进为当连续五代个体与前一代适应值无变化或当前温度小于结束温度.仿真实验表明新算法在求解多峰值问题时改善了遗传算法的局部搜索能力,有效地解决了遗传算法的早熟现象,显著提高了遗传算法求得全局解的概率.     

应用于蛋白质折叠模拟的三种新蒙特卡罗方法的比较

新蒙特卡罗方法是一类随机算法的统称．这类算法已被应用于蛋白质折叠的模拟计算，并取得了较好的结果．该文将并行回火与遗传算法的混合算法、群体模拟退火方法以及群体模拟退火方法与遗传算法的混合算法这3种改进的蒙特卡罗方法应用到蛋白质折叠模拟计算，并就二维网格模型比较了这3种方法搜索最小能量构象的能力以及计算了得到最小能量构象所花费的时间．计算机模拟计算的结果表明，3种方法对于短序列蛋白质折叠结构的预测都较为有效，而群体模拟退火方法与遗传算法的混合算法则比其它两种算法所花费的计算时间要少，也就更为有效．     

改进的混合级联遗传算法

将模拟退火算法和级联遗传算法相结合,提出了一种改进的混合级联遗传算法。模拟退火算法承认物种进化过程中的局部失败和倒退,它允许进化中的波折而不是非要物种进化一直是上升的、成功的,模拟退火算法能使搜索过程避免陷入局部最优解。级联遗传算法假设问题的最优解总是靠近于问题的局部最优解的,据此,级联遗传算法通过不断缩小解空间达到快速收敛的目的。综合运用这两种算法,可克服模拟退火算法收敛速度慢、级联遗传算法局部搜索能力差的缺点。利用本算法构造CL多小波前置滤波器的实验结果表明,本算法不仅计算速度快,而且稳定性也得到了显著提高。     

基于旅行商问题的优化算法设计

本文从求解TSP来分析遗传算法,蚁群算法,模拟退火算法三种优化算法特性分析,总结各算法的改进策略及混合算法策略,并提出基于分区的混合算法。     

基于NSGA算法的公交车辆调度优化模型

公交车辆调度方案的优化对于提高公交服务水平,促进公交事业的快速发展至关重要.在乘客与公交公司利益博弈的基础上,基于极小极大思想,考虑公交车车辆容量的限制及城市道路信号控制的干扰因素,建立公交发车间隔优化模型,并利用非支配排序遗传算法(NSGA)进行模型的求解.以河南省焦作市的公交线路为例进行验证,优化结果显示乘客的平均等车时间相对减少48.3%,公交车的全日平均满载率下降了3.8%,公交服务水平有所改善.     

插电式混合动力汽车能量管理策略多目标优化

能量管理策略与插电式混合动力汽车(plug-in hybrid electric vehicles,PHEV)的燃油消耗和尾气排放密切相关.在开发的PHEV能量管理策略基础上,建立整车仿真模型.利用自适应惯性因子对基本粒子群算法进行改进.为克服单一优化算法的固有缺陷,将改进粒子群算法和遗传算法组成混合优化算法,并将该混合算法应用于PHEV能量管理策略的多目标优化.优化结果表明,该算法能有效跳出局部最优,其寻优能力明显高于基本粒子群算法和遗传算法,优化后的PHEV油耗和尾气排放相对于优化前减少近30%.     

直线单级倒立摆自抗扰控制优化设计

自抗扰控制技术（ADRC）通过对模型不确定因素和外扰进行补偿,使得控制系统对外扰和不确定因素均有很好的适应能力,能够有效控制多种工业上较为难控的对象,表现了极强的鲁棒性和抗干扰性,但是ADRC参数众多难以调节．本文将生物免疫算法与遗传算法相结合,提出了一种基于免疫遗传机理优化计算模型,避免了遗传算法易出现早熟、搜索效率低及不能很好保持个体多样性等问题,给出了基于免疫遗传算法的ADRC参数整定方法,通过对直线单级倒立摆的自抗扰控制,仿真实验表明了通过免疫遗传算法整定的ADRC具有的良好控制效果．     

融合正弦余弦算法的蝴蝶优化算法

针对蝴蝶优化算法存在收敛速度慢、求解精度差和易陷入局部最优等缺陷,提出一种融合正弦余弦算法的蝴蝶优化算法.首先在蝴蝶自身认知部分引入非线性自适应因子,其次重新定义香味浓度计算公式,最后在局部搜索阶段引入改进的正弦余弦算法.通过19个基准函数的测试,实验结果表明,本算法在收敛速度、寻优精度和鲁棒性方面均优于蝴蝶优化算法(...     

遗传算法中的加速进化技术

自20世纪80年代以来,遗传算法在工程优化领域获得了广泛应用,遗传算法对数学模型要求不高,具有一定的隐性并行性,能同时在搜索空间大范围搜索,因而不易陷入局部最优解,然而,在实际应用中发现,仅有交叉算子和变异算子的传统遗传算法,局部搜索能力不强,容易出现种群早熟,进化结束时往往收敛到最优点附近而达不到全局最优点,为此借鉴了传统优化方法中的搜索技术,开发了几种算子用以强化遗传算法的局部搜索能力。算例表明,这几种算子能提高遗传算法的搜索性能,不论是搜索效率还是解的质量均有所提高。     

改进算术优化算法求解考虑机器老化效应和工件释放时间的作业车间调度问题

研究考虑机器具有老化效应和工件带有释放时间约束的作业车间调度问题（job shop-scheduling problem, JSP）。建立以最小化最大完工时间为目标的调度优化模型,并设计1种改进的算术优化算法（improved arithmetic optimization algorithm, IAOA）对该问题进行求解。算法首先通过排序值转换规则将IAOA连续解空间映射到JSP的离散空间,并对JSP进行编码,然后使用插入式贪婪解码算法进行解码。提出了非线性数学优化加速函数和6种邻域搜索策略对标准算术优化算法（arithmetic optimization algorithm, AOA）进行改进。通过在33个JSP数据集上进行测试并与AOA、灰狼优化算法和算术三角函数优化算法进行对比分析,结果表明提出的IAOA具有较好的优化效果以及收敛能力,且该算法克服了AOA求解精度低、收敛速度慢的缺陷。     

基于遗传算法的多服务模式公交优化设计

基于独立公交走廊需求特征,利用公交客流起点到终点(OD)数据,建立了以发车频率和公交车型为主要输出参数的多服务模式公交优化设计模型.针对模型求解的复杂性,应用遗传算法进行求解.最后,结合上海公交737路公交客流走廊数据给出了优化算例.结果表明,模型具有较强的实用性,能快速有效地求解出多服务模式的公交优化组合.     

基于量子遗传算法的成品门幅模型参数优化设计

为了解决热定型中影响成品织物门幅的工艺参数难以定量设计的关键技术难题。提出了将量子遗传算法用于成品门幅模型工艺参数优化设计中。建立优化模型,基于该模型采用量子遗传算法,实现了影响成品门幅的工艺参数精确定量设计。用该方法得到的工艺参数加工弹力布,生产成品的门幅与用户要求指标的偏差小于0.1%,完全满足实际生产要求。同时将量子遗传算法与遗传算法在工艺参数的优化设计中进行比较,得出当迭代种群逐渐增大时,量子遗传算法在工艺参数的优化设计中的优势更加明显。     

基于混合车型的灵活型接驳公交路径协同优化研究

为解决居民出行往返于居住地与换乘站间“最后一公里”的难题,研究了灵活型接驳公交路径规划问题。为保证接驳公交服务质量,构造乘客满意度函数将其量化。考虑混合车型联合调度对接驳车辆路径优化的影响,在给定预约需求和车队规模的前提下,以企业运营成本最小和平均乘客满意度最大为优化目标,建立基于混合车型的灵活型接驳公交路径协同优化模型,同时运用遗传算法求解模型。结果表明,采用多车型调度的算例最优适应度值优于使用单一车型的算例,说明该模型在路径优化方面具有可行性。     

离散非平衡公交网络优化模型及其求解算法

在分析现有的公交网络设计的研究成果基础上 ,提出了离散非平衡公交网络优化模型 .考虑到公交网络优化的复杂性 ,该模型分成两个子模型 :一个子模型确定公交线路的起讫点和备选线路的出车频率 ,另一个子模型确定公交线网优化方案 .模型采用遗传算法求解 .